论文部分内容阅读
森林资源是地球上重要的自然资源之一,提供了人类赖以生存的物质基础,是林业可持续发展的根本所在。林地小班变化信息提取和林地类型精细提取有利于高时效、高精度地掌握森林资源现状及其动态变化,为森林经营方案的执行提供依据,有利于规范和指导森林科学经营,以期实现森林资源的可持续发展。本文以浙江省建德市2013年11月、2014年10月两期遥感影像数据和2007年建德市二类调查数据以及2013年补充调查数据为基础,分析比较基于植被指数统计分布规律的林地小班变化信息提取方法和基于Zone模型的林地小班变化信息提取方法。在此基础上,分别从基于像元、基于面向对象和基于先验知识三种分类策略进行林地类型的精细提取,并以混淆矩阵为评价指标进行精度评价和综合分析,探索一种适合本研究区林地类型精细提取的方法,以期为林地资源的变化调查和小班数据更新提供依据。论文主要研究成果表明:(1)基于Zone模型的林地小班变化信息提取方法优于基于植被指数统计分布的林地小班变化信息提取方法。基于Zone模型的林地小班变化信息提取方法精度为:正检率80.58%、错检率83.45%、漏检率19.42%。与基于植被指数统计分布的林地小班变化信息提取方法相比,正检率提高了8.64%,错检率降低了26.26%,漏检率降低了8.64%。结果表明基于Zone模型的林地小班变化信息提取方法具有一定的使用价值,有助于提高林地资源变化调查和小班数据更新的效率。(2)采用将林地小班变化信息和历史调查数据作为先验知识进行林地类型精细提取的方法提取效果较好,该方法总体精度为90.23%,Kappa系数为0.86,提取效果优于基于像元的林地类型精细提取方法和基于面向对象的林地类型精细提取方法。从林地类型精细提取结果图的目视效果以及提取过程的工作效率来看,基于像元的林地类型精细提取方法分类结果较为精细,但存在较多错分和漏分现象,噪声影响大、边界像元或混合像元分类不准确,导致分类后处理工作量大;面向对象的林地类型精细提取方法的结果斑块完整性较好,但一些细碎或分布零散的地类存在漏分现象;而基于先验知识的林地类型精细提取方法计算过程结合了基于像元和面向对象,因此分类结果既能保证细碎处的信息不被丢失又能保证斑块的完整性。(3)基于先验知识的林地类型精细提取方法对训练样本的依赖性较低,提取结果可信度较高。通过系统抽样对基于先验知识的林地类型精细提取结果中的主要林地类型进行面积估计验证,乔木林分类精度为99.98%、国家特别灌木林地精度为92.64%、一般灌木林分类精度为89.62%。并且,本文通过建立规则将林地变化信息和林地类型精细提取与小班对象结合起来,获取林地小班的变化信息和林地类型,对县级林地资源的变化调查和小班数据更新等工作具有现实意义,更符合我国林业的现实需求。因此,基于先验知识的林地类型精细提取在实际生产应用中具有较好的使用价值。